Detecting Shape Changes via Non-Isotropic Random Fields
محل انتشار: پنجمین کنفرانس آمار ایران
سال انتشار: 1379
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,268
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISC05_026
تاریخ نمایه سازی: 14 دی 1388
چکیده مقاله:
Three types of data are now available to test for changes in brain shape: 3D binary data for the indicator function or mask of the structure; 2D displacement data from the surface of the 3D structure; and trivariate 3D vector displacement data from the non-linear deformations required to align the structure with an atlas standard. We use the Euler characteristic of the excursion set of a random field as a tool to test for localized structural changes using local maxima and size of clusters in the excursion set. The data is highly non-isotropic, that is, the effective smoothness is not constant across the image, so the usual random field theory does not apply. We propose a solution that warps the data to isotropy using local multidimensional scaling. We then show that the subsequent corrections to the random field theory can be done without actually doing the warping – it is only sufficient to know that such a warp exists – a fact that is guaranteed in part by Nash’s Embedding Theorem. We shall apply thee methods to a set of 151 brain images from the Human Brain Mapping data base.
نویسندگان
K. J. Worsley
Department of Mathematics and Statistics, McGill University, Montreal, Quebec, Canada H۳A ۲K۶.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :